此数据集最初来源于此处：所有 OpenMV.net 数据集
您喜欢这个案例研究的哪些方面？
这个蒸馏塔案例研究非常棒，因为它允许简单地应用各种 JMP 和 JMP Pro 平台来分析具有一些挑战性特征的数据集。 这些具有挑战性的特征包括：
- 季节性变化
- 不均匀的采样间隔
- 严重程度不同的各种异常值
- 来自众多传感器的数据
由于存在这些挑战，该数据集简单地展示了 JMP 如何能够毫无问题地处理这些困难的数据集。 此外，由于本案例研究的特点和数据量不同，是一个具有广泛适用性的案例研究。 这意味着该数据集可用于在 JMP 和 JMP Pro 中演示各种平台，而无需切换到其他示例。
特别是对于演示的预测建模方面，此案例研究简单而清楚地解释了如何使用 bootstrap forest 来最初识别关键预测变量。 以及如何使用模型筛选平台快速构建和比较通过各种预测建模技术（例如决策树和神经网络）创建的模型。
最后，数据集来自真实的工业过程，这让我们有机会证明 JMP 可以处理真实数据，因此可以很容易地应用于客户关注的特定领域。
它是给谁的？
本案例研究非常适合化学和石化工程师。 尽管由于这项研究涉及蒸馏塔，它可以用来向大多数科学家解释这些概念。
我应该如何使用它？
可以通过两种主要方式使用数据集：
1. 可作为探索性数据分析（EDA）demo，展示图生成器、预测器筛选等平台的强大能力。 Stanley Siranovich 以这种方式使用数据集展示了一个出色的发现峰会，可以在这里找到：使用 JMP® Pro 15 分析蒸馏过程流 (2021-EU-45MP-766) - JMP 用户社区
2. 通过使用数据集包含的各种脚本（主要是编号脚本），该数据集可用于突出 JMP Pro 中预测建模工具的稳健性。 这涉及识别数据集中产量的关键预测因子，构建系统的各种预测模型，然后使用这些模型来预测未来产量或找到最佳条件。
3. 数据集中没有为此包含脚本，但由于数据集是过程的传感器输出，它也可用于演示功能数据浏览器。 这是一个特别好的数据集，因为它来自真实的工业过程，包括可以使用傅里叶模型拟合处理的季节性变化。
我们可以使用哪些平台？
- 分配
- 图形生成器
- 预测筛选
- 适合模特
- 功能数据浏览器
- 模型筛选
- 各种预测建模技术，包括：神经网络、引导森林、决策树等等
